时间：2023-02-13 22:29:59 编辑：好孕妈妈
梦来自凹非寺量子位|公众号QbitAI
年度最受关注的赛道是——AI制药，最新进展如下：
深科技新一代药物计算设计平台Hermite正式发布，迅速引起圈内热议和关注。
过去，开发新药平均需要10-15年，花费26亿美元，其中包括许多失败尝试的支出。
AI for Science新模式正被寄予厚望，以期提高研发成功率，从而加快研发周期，降低成本，最终提高新药研发投资回报。
这股AI制药热潮起源于预测蛋白质结构的阿尔法场系列，但这只是新药开发的第一步。
此外，还需进行结构整理、苗头化合物筛选、先导化合物优化和性质预测等。
这许多环节也迫切需要相应的新工具、新算法、不断进步的认知。
在科研工具方面，深势科技团队去年发布了Uni-Fold、全尺寸再现alpha fold 2，开放源代码和推理代码，为国际首创。
在过去的一年里，Uni-Fold不仅在功能和速度方面有了很多改进，而且更多的后续核心功能也集中发布。
这些功能集成在Hermite平台上，致力于为药物研发人员提供计算机辅助药物设计( CADD )中数据、算法、计算三位一体的一站式解决方案。
药物研发一站式解决方案HermiteHermite平台的四大核心功能，支持小分子药物设计领域的各个流程。
首先，蛋白质结构预测和优化工具Uni-Fold是出发点。
Uni-Fold虽然实现了与AlphaFold 2接近的精度，但是比AlphaFold 2的效率明显提高，没有AlphaFold 2的开源训练代码，硬件支持单一，模型无法商用化
在最近的升级中，Uni-Fold在超大规模蛋白质复合物的预测上取得了新的突破，对包括离子通道、新型冠状病毒刺突糖蛋白等在内的对称蛋白质的进一步研究具有重要意义。
预测靶蛋白结构进入苗头化合物筛选环节，支持超高通量虚拟筛选工具Uni-Docking。
Uni-Docking在保持筛选准确率的前提下，在GPU上实现了单核CPU加速1200倍，最快可在0.5小时内完成1200万个可开采分子数据库的筛选。
通过组建MM GB/PBSA和虚拟筛选工作流程，进一步提高了准确性，可以将千万级分子数据库的虚拟筛选推向可获得、可用、可靠的时代。
靶向和苗头化合物形成后，接下来需要预测药物的靶向结合模式，对应工具为Uni-IFD。
通过模拟药物分子与靶点结合的“诱导相容性”效应，Uni-IFD可以准确预测药物与靶点的结合模式。
同时，Uni-Aquasite可以通过计算得到每个水分子的自由能，寻找对药物靶向结合有较大影响的水分子。
最后是基于自由能微扰的先导化合物优化工具Uni-FEP。
Uni-FEP基于自由能微扰理论、分子动力学和增强采样算法，以化学准确度高效评价蛋白质与配体的结合亲和能。 克服了传统分子对接方法评分函数不准确、采样不足的问题。
应用于r基优化、骨架跃迁、电荷转移、大环形成环等多种优化场景，实现工业规模先导化合物的优化。
介绍完核心功能后，Hermite平台的另一个关注点是使用方法。
与传统科学计算客户端软件不同，Hermite是一种无需安装、浏览器登录、现成的SaaS服务，提供可视化、结构化分子、最大化操作区域、窗口灵活协调、窗口间知识分子
这样，既可以避免复杂的安装流程、升级维护成本，又可以持续按天升级，持续将最新的科研进展带到药物研发人员手中。
基于云的本机架构，Hermite集成了数据、算法和计算能力，具备大规模分布式计算能力，提高了计算速度，还支持在线私有化部署。
据介绍，Hermite平台广泛应用于国内外数十家创新制药企业和上千名学术用户。
同时基于平台能力，深势科技与行业内众多合作伙伴建立了10余条合作管道，涵盖CNS、肿瘤和自身免疫性疾病等领域，目前部分管道已处于Pre-PCC阶段。
发布会现场，恒瑞医药、益方生物、丽珠医药集团、泓博医药等合作伙伴研究员也分享了AI for Science新范式下的科研经验和心得。
Hermite背后的深度技术在真正推出Hermite之前，成为AI for Science创业代表的深度技术在业界备受瞩目。
深势科技创立于2018年，18个月内连续完成4轮融资，近期融资额达数千万美元。
从团队背景看，创始人兼首席科学家张林峰，毕业于北京大学元培学院，在普林斯顿大学获得应用数学系博士学位。
另一位创始人兼首席执行官孙伟杰也来自北大元培，本科毕业后继续在北京大学攻读硕士学位。
孙伟杰曾作为天使投资人活跃在科技、教育、企业服务等领域，张林峰专注于前沿科学研究和技术应用探索。
此外，中国科学院院士、北京科学智能研究院院长、北京大学教授奥比南还担任深势科技首席科学顾问。
在技术能力方面，由奥比南院士领导的数十人科研团队包括物理建模、数值算法、机器学习、高性能计算、药物和材料计算等多个领域的专家。
他们都来自世界一流名校、一流科研院所和行业领军企业，其中许多企业具有多学科交叉的背景，丰富的科研和应用经验。
有如此强大的研发团队，科技致力于“用新一代分子模拟方法构建微尺度工业设计平台”的愿景，正在逐渐清晰实现。
新一代分子模拟方法是指“多尺度建模机器学习高性能计算”的新研究范式。
深层次科技核心成员参与的研究使用机器学习方法将分子动力学极限提高到10亿原子规模同时保持高精度。
该成果于2020年获得被称为“超算期诺奖”的戈登贝尔奖，并与“量子优势”和“人造太阳”等成果一起入选2020中国十大科技进展。
再次聚焦此次发布，Hermite是这一新研究范式落地的标志性事件。
在发布会现场，中国科学院院士、北京科学智能研究院院长、深势科技首席科学顾问欧维南表示。
Hermite是AI for Science从算法创新到应用落地的里程碑实践和代表性产品。
欧维南指出，AI for Science研究范式不仅拓展了数据驱动、物理模型驱动模型的能力边界，还以产品形式推动了两者的有机结合，可供产业界朋友共同使用。
值得注意的是，深科技创始人兼CEO基于深科技近年来在AI4S领域的研究和深耕，提出了“科学实验算法分类理论”，即如何对算法设定合理的预期，什么样的算法可以大规模代替实验的工业级算法
孙伟杰将科学实验算法分为L1到L3三个层次：
L1是模仿现实，即实验结果的复制和外推； L2是预测现实，现象预测与实验精度接近，有可预测的误差范围； L3为了探索现实，要求能够正确预测现象，从空间直接探索最佳结果。 目前，对于化学、生物、材料、药物等实验学科，并不总是追求100%准确的算法。
如果能大幅度缩小实验误差，明确精度边界，就可以大规模替代以前的实验模型。
因此，大规模推广L2水平，积极发展L3水平科学实验算法，将引领未来实验科学算法的前进方向。
对于未来的发展方向，深科技表示
从现在到2025年的核心目标是，在药物开发的各个阶段建立规模化的工业级算法来代替实验，将经验驱动的实验尝试错误模型转变为“计算设计-实验验证”的合理迭代模型。
而Hermite充分利用云计算时代软件功能的特点和优势，在基础设施快速建设和发展的时代，用户不断接触到最先进的药物设计算法，每周一次不断升级产品使用体验
可以看出，近一年来，AI for Science的突破性成果频繁出现在Nature、Science等顶级报纸上。 生物上从蛋白质结构到蛋白质分子设计都可以预测，数学上AI辅助科学家证明了定理，物理上AI发现了质子中存在新夸克的证据。
但是，像Hermite这样的产业落地的成果并不多见。
要使算法达到工业水平，不仅需要AI公司，还需要系统工程和相关行业的经验以及整个行业、产业链的合作。
深度技术为此发展了DeepModeling开源社区，开放共享科研成果，受到业界欢迎。 自己的论文刚出版，使用该方法的成果就陆续被发表过。
在深层次科技“成就合作伙伴，引领创新”的理念下，算法开发方、行业应用方、云计算服务端等多方共同努力，Hermite平台应运而生。 埃尔米特和深度技术将坚持这种模式，为行业贡献力量。
在这个时代，你会发现关门造车不是最好的选择。 只有与行业伙伴共建，才是推动学术研究落到产业实践、实现“科技是第一生产力”的最佳路径。 —完—量子位QbitAI 头条签约关注我们，第一时间了解前沿科技动态
相关文章
精选文章
猜你喜欢
